一种小麦籽粒抗性淀粉含量的快速测定方法与流程

本发明涉及一种小麦籽粒抗性淀粉含量的快速测定方法，属小麦抗性淀粉含量预测技术领域。

背景技术：

大多数淀粉易被消化，而抗性淀粉是α1,4d-葡聚糖的线性分子，主要来源于退化的直链淀粉，不像普通淀粉那样被快速消化。目前普遍接受的抗性淀粉定义是“健康者小肠中不吸收的淀粉及其降解物”。抗性淀粉因具有降低胰岛素反应，缓解糖尿病，控制体重，促进矿物质离子的吸收等多种生物学功能而受到广泛关注，在人体的健康上具有广阔的应用前景。

小麦作为世界上最主要的粮食作物之一，研究小麦籽粒中抗性淀粉的含量及作用对人类健康饮食有着重要意义。但是目前小麦籽粒抗性淀粉含量的测定方法主要基于酶促反应，先水解可消化淀粉，将剩余的不可消化淀粉（抗性淀粉）水解为葡萄糖，然后用显色法在适当条件下间接测量；其操作复杂、耗时长和成本高，不能完全满足人们使用的需要；因此有必要研发一种简便、快速、准确的抗性淀粉定量方法，以解决现有小麦籽粒抗性淀粉测定方式存有的以上问题。

技术实现要素：

本发明的目的在于：提供一种通过建立关于小麦籽粒抗性淀粉含量的中红外光谱模型的快速测定方法，以解决现有检测方法中存有的操作复杂和耗时长的问题，以满足人们使用的需要。

本发明的技术方案是：

一种小麦籽粒抗性淀粉含量的快速测定方法，其特征在于：包括以下步骤：

（1）选取种质资源库中一定量的不同小麦材料的籽粒，每份材料是经过人工除杂后干净的小麦籽粒，用配有0.8毫米筛板的旋风粉碎机把小麦籽粒打磨成细粉，随后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时后，取出自然冷却后封口备用；如此即可制得不同材料籽粒的全麦粉材料；

（2）使用抗性淀粉试剂盒，根据aoac法2002.02抗性淀粉测定原理对各全麦粉材料的抗性淀粉含量进行多次测定，随后取多次测定结果的平均值，如此即可得到各全麦粉材料的抗性淀粉含量值；

（3）对小麦材料籽粒进行光谱测定：

将配有atr附件傅里叶红外光谱仪的光谱采集范围设定为4000-525cm^-1,分辨率设定为4cm^-1,扫描次数设定为16次，然后用傅里叶红外光谱仪自带的小勺取约0.01g的全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用omnic8.2智能软件记录全麦粉材料光谱数据，每个材料测定后用无水乙醇擦拭探头和检测口，自然晾干后进行下一个全麦粉材料光谱的采集；如此即可得到各全麦粉材料的光谱数据；

（4）校正集和验证集的划分：

将各全麦粉材料的光谱数据和用化学法测得的抗性淀粉含量数据对应合并，再按照各全麦粉材料的化学值从小到大排列，每5个样本中选取1个样本作为验证集，其余作为校正集，将校正集和验证集分别归类，然后将这些数据导入到camo公司的unscrambler9.7软件中；

（5）预测模型的建立：

在unscrambler9.7软件中首先将样本编辑为校正集和验证集，再将自变量编辑为光谱变量；将因变量编辑为化学值变量，随后在软件中选取baseline进行线性基线校正的预处理,然后选取baseline+gfs进行线性基线校正和高斯滤波平滑的预处理；随后选取baseline+msc进行线性基线校正和多元散射校正的预处理；以上预处理进行完毕后，在unscrambler9.7软件的回归分析中分别选择pls1，并点击全交叉验证方法，使用偏最小二乘法进行建模，如此即可得到不同预处理后预测模型的参数值；

预测模型参数值包含决定系数r²和均方根误差rmse这两大项，决定系数r²是反映模型拟合优度的重要统计量,均方根误差rmse是用来衡量观测值和真实值之间的偏差；当决定系数r²越接近1，均方根误差rmse越小时，模型的预测效果越好；如此即可通过比较不同预处理后的预测模型的校正决定系数rc²和预测决定系数rp²及校正均方根误差rmsec和预测均方根误差rmsep的大小，从中找出最佳预测模型，该模型即为测定抗性淀粉含量的预测模型；

（6）预测模型的外部验证；

预测模型建立完成后，在unscrambler9.7软件的任务栏中选择“predict”，在预测框中，选择验证集作为样本集，选择光谱变量为自变量，选择抗性淀粉化学值为因变量，模型选择保存的最佳预测模型，点击“ok”,系统可自动预测出外部验证集材料的预测值，将预测值和化学值对应输入到excel中，进行线性回归分析，来进一步验证预测模型的准确性；

（7）使用方法；

1）、选取8g左右经过人工除杂后干净的待测定的小麦籽粒，随后用配有0.8毫米筛板的旋风粉碎机把待测定的小麦籽粒打磨成细粉，然后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时取出，自然冷却后封口备用；如此即可制得待测定的全麦粉材料；

2）、将配有atr附件的傅里叶红外光谱仪的光谱采集范围设定为4000-525cm^-1,分辨率设定为4cm^-1,扫描次数设定为16次，然后用傅里叶红外光谱仪自带的小勺取约0.01g的待测定全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用omnic8.2智能软件记录全麦粉材料光谱数据；

3）、将全麦粉材料光谱数据导入到unscrambler9.7的软件中，接着在任务栏中选择“predict”，在预测框中，选择只有光谱数据的验证集作为样本集，选择光谱变量作为自变量，模型选择保存的最佳预测模型，点击“ok”,系统可自动预测出待检测全麦粉材料的抗性淀粉含量值。

所述的种质资源库为长江大学种质资源库。

所述的抗性淀粉试剂盒(k-rstar)由爱尔兰公司生产。

所述的配有atr附件的傅里叶红外光谱仪由美国赛默飞世尔科技公司生产的，其型号为nicoletis5。

本发明的优点在于：

该小麦籽粒抗性淀粉含量的快速测定方法，通过建立有关小麦籽粒抗性淀粉含量的中红外光谱模型，从而达到了快速测定小麦籽粒抗性淀粉含量的目的，其与化学测定法相比，更加快速、高效环保，满足了人们使用的需要。

附图说明

图1为本发明baseline预处理的定标模型对外部验证集材料的预测值与外部验证集材料的实际值的相关性图；

图2小麦突变体籽粒抗性淀粉含量的预测值范围及对应的数目图。

具体实施方式

该小麦籽粒抗性淀粉含量的快速测定方法，包括以下步骤：

（1）选取种质资源库中一定量的不同小麦材料的籽粒，每份材料是经过人工除杂后干净的小麦籽粒，用配有0.8毫米筛板的旋风粉碎机把小麦籽粒打磨成细粉，随后将得到的小麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时取出，自然冷却后封口备用；如此即可制得不同材料的全麦粉材料。

（2）使用爱尔兰公司生产的k-rstar抗性淀粉试剂盒，根据aoac法2002.02抗性淀粉测定原理对各全麦粉材料的抗性淀粉含量进行多次测定，随后取多次测定结果的平均值，如此即可得到各全麦粉材料的抗性淀粉含量值；

（3）对小麦材料进行光谱测定：

将由美国赛默飞世尔科技公司生产的nicoletis5傅里叶红外光谱仪的光谱采集范围设定为4000-525cm^-1；淀粉官能团的吸收区域在4000-525cm^-1的光谱范围，因此将傅里叶红外光谱仪的光谱采集范围设置在该范围内,分辨率设定为4cm^-1,扫描次数设定为16次，然后用傅里叶红外光谱仪自带的小勺取约0.01g的全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用omnic8.2智能软件记录全麦粉材料光谱数据，每个材料测定后用无水乙醇擦拭探头和检测口，自然晾干后进行下一个全麦粉材料光谱的采集；如此即可得到各全麦粉材料的光谱数据；

（4）校正集和验证集的划分：

将各全麦粉材料的光谱数据和用化学法测得的抗性淀粉含量数据对应合并，再按照各小麦粉材料的化学值从小到大排列，每5个样本中选取1个样本作为验证集，其余作为校正集，将校正集和验证集分别归类，然后将这些数据导入到unscrambler9.7(camo公司，美国)软件中，用于预测模型的建立；

（5）预测模型的建立：

在unscrambler9.7软件中首先将样本编辑为校正集和验证集，再将自变量编辑为光谱变量和将因变量编辑为化学值变量，随后在软件中选取linearbaselinecorrection,进行线性基线校正的预处理，以下简称为baseline预处理；然后选取linearbaselinecorrection+gaussianfiltersmoothing进行线性基线校正和高斯滤波平滑的预处理，以下简称baseline+gfs预处理；随后选取linearbaselinecorrection+multiplicativescattercorrection进行线性基线校正和多元散射校正的预处理，以下简称baseline+msc预处理；以消除基线漂移、高频随机噪音、样本不均匀等因素对建模产生的影响,以上预处理进行完毕后，在unscrambler9.7软件的回归分析中分别选择pls1，并点击全交叉验证方法使用偏最小二乘法进行建模，如此即可得到不同预处理后预测模型的参数值；

预测模型参数值包含决定系数r²和均方根误差rmse这两大项，决定系数r²是反映模型拟合优度的重要统计量,均方根误差rmse是用来衡量观测值和真实值之间的偏差；当决定系数r²越接近1，均方根误差rmse越小时，模型的预测效果越好；如此即可通过比较不同预处理后的预测模型的校正决定系数rc²和预测决定系数rp²及校正均方根误差rmsec和预测均方根误差rmsep的大小，从中找出最佳预测模型，该模型即为测定抗性淀粉含量的预测模型；

（6）预测模型的外部验证；

预测模型建立完成后，在unscrambler9.7软件的任务栏中选择“predict”，在预测框中，选择验证集作为样本集，选择光谱变量为自变量，选择抗性淀粉化学值为因变量，模型选择保存的最佳预测模型，点击“ok”,系统可自动预测出外部验证集材料的预测值，并将预测值和化学值对应输入到excel中，进行回归分析，得出线性回归方程，来进一步验证预测模型的准确性；

（7）使用方法；

1）、选取8g左右经过人工除杂后干净的待测定小麦籽粒，随后用配有0.8毫米筛板的旋风粉碎机把待测定的小麦籽粒打磨成细粉，然后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时取出，自然冷却后封口备用；如此即可制得待测定的全麦粉材料；

2）、将傅里叶红外光谱仪的光谱采集范围设定为4000-525cm^-1,分辨率设定为4cm^-1,扫描次数设定为16次（测定过程中，发现扫描次数为16的时候，所测的光谱已经达到稳定），然后用傅里叶红外光谱仪自带的小勺取约0.01g的待测定全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用omnic8.2智能软件记录全麦粉材料光谱数据；

3）、将全麦粉材料光谱数据导入到unscrambler9.7的软件中，接着在任务栏中选择“predict”，在预测框中，选择只有光谱数据的验证集作为样本集，选择光谱变量作为自变量，模型选择保存的最佳预测模型，点击“ok”,系统可自动预测出待检测全麦粉材料的抗性淀粉含量值。

典型案例：

（1）材料来源

小麦材料来自长江大学小麦种质资源，共有63份不同的材料籽粒。

（2）仪器

粉碎机（pertenlaboratorymill3100）、电热恒温鼓风干燥箱（苏州江东精密仪器有限公司）、nicoletis5红外光谱仪（thermofisherscientific）、电子天平（奥豪斯仪器（常州）有限公司）、水浴锅（金坛市宏华仪器厂）、离心机（上海艾研生物科技有限公司）、ika恒温摇床ks3000iccontrol（艾卡（广州）仪器设备有限公司）、bets-m1脱色微型圆周摇床(海门其林贝尔仪器制造有限公司)、紫外分光光度计（岛津仪器（常州）仪器公司）

该小麦籽粒抗性淀粉含量的快速测定方法，包括以下步骤：

（1）选取长江大学种质资源库中的63份不同的小麦材料籽粒，每份材料人工除杂干净后，用配有标准的0.8毫米筛板的旋风粉碎机（pertenlaboratorymill3100）把小麦籽粒打磨成细粉，随后将各全麦粉分别提取0.1g装入到单独的封口袋中，并将其呈敞口状统一放入干燥箱中40℃烘干8小时左右拿出，自然冷却后封口备用，如此即可制得63份不同材料籽粒的全麦粉材料。

（2）购买爱尔兰公司的抗性淀粉试剂盒，根据aoac法2002.02抗性淀粉测定原理进行小麦籽粒抗性淀粉含量的测定。aoac法2002.02抗性淀粉测定原理的具体方法如下：

用精度为0.0001g的电子天平（奥豪斯仪器（常州）有限公司）准确称取干燥后的小麦面粉0.0500g，分别置于15ml离心管中；每个材料管中加入2mlα-淀粉酶，拧紧盖子，放置于摇床（ika恒温摇床ks3000iccontrol）摇动16h（135r37℃）；取出，待冷却至室温，加入3ml50%的乙醇，充分混匀，4000r离心10min（上海艾研生物科技有限公司），弃上清；再加入4ml50%乙醇，4000r/min，10min离心2次，弃上清，使酶充分失活；将离心管倒扣在滤纸上干燥，使酒精挥发干净；每个离心管中再加入1ml2mol/l的koh溶液，冰上摇动20min（bets-m1脱色微型圆周摇床），使抗性淀粉充分溶解；取出擦干管壁上的水，加入4ml1.2mol/l（ph=3.8）的醋酸钠，再立即加入50μl的淀粉葡萄糖苷酶（3300u/ml），拧紧盖子，50℃水浴30min（金坛市宏华仪器厂），每隔10分钟摇动1次，将可消化淀粉转化为葡萄糖；水浴后待冷却至室温，5000r离心10min，取上清50μl，分别加入另一个10ml的离心管中；再在每个10ml的离心管中加入1.5ml的gopod，同时设置空白（ph=4.5的醋酸钠）和葡萄糖标样（1mg/ml的d-葡萄糖）对照，50℃水浴20min，使其充分反应；用紫外分光光度计（岛津（常州）仪器公司）在510nm测定葡萄糖的吸光值，葡萄糖的吸光值除以d-葡萄糖标准溶液的吸光值乘9.27除以0.87即为抗性淀粉含量。

为了保证测定数据的准确性，每份小麦粉材料测定3次，取其平均值；每份小麦材料测得的抗性淀粉含量如表（1）所示：

表（1）63份小麦籽粒的抗性淀粉含量

（3）对小麦籽粒进行光谱测定：

用美国赛默飞世尔科技公司(thermofisherscientific)生产的nicoletis5傅里叶红外光谱仪进行光谱测定，用omnic8.2智能软件记录这63份小麦材料籽粒的光谱数据；其流程为：首先按照光学台、打印机和电脑的顺序打开仪器，等待3分钟左右光学台稳定后即打开omnic测定软件，仪器将自动检测到所放入的id7atr附件，检查光学台状态指示器正常的情况下，进行参数设定，即光谱采集范围4000-525cm^-1,分辨率为4cm^-1,扫描次数为16次，先进行背景的采集，用设备自带的小勺取约0.01g的小麦面粉放入到检测口，顺时针旋转探头，直到听见一声响声，然后omnic8.2软件中就可以记录自动扣除大气背景的材料光谱数据，每个材料测定后用无水乙醇擦拭探头和检测窗口，自然晾干后进行下一个材料光谱的采集。如此可得到这63份小麦材料籽粒的光谱数据。

（4）校正集和验证集的划分：

将用nicoletis5傅里叶红外光谱仪在4000-525cm^-1光谱范围内测得的光谱数据和用化学法测得的抗性淀粉含量数据对应合并，再按照63份小麦籽粒的化学值从小到大排列，每5个样本中选取1个样本作为验证集，其余作为校正集，最后剩余3份作为校正集材料，如此即可得到51份校正集（calibraionset）和12份验证集（validationset）；校正集和验证集的抗性淀粉含量分布情况显示在表（2）中；

表（2）校正集和验证集的抗性淀粉含量分布

从上表可以得出，抗性淀粉含量的范围是0.22%-3.35%，代表有着广泛的范围，此外，校正集和验证集的平均值（mean）和标准偏差（sd）是相似的，这保证了校准集数据和验证集数据的相对一致性；然后将这些数据导入到unscrambler9.7(camo公司，美国)软件中，用于预测模型的建立。

（5）预测模型的建立：

在unscrambler9.7软件中首先将样本编辑为51份校正集和12份验证集，再将变量编辑为光谱变量（自变量）和化学值变量（因变量），在用unscrambler9.7软件建模之前，为了消除基线漂移、高频随机噪音、样本不均匀等因素对建模产生的影响,分别在软件中选取baseline进行线性基线校正的预处理,然后选取baseline+gfs进行线性基线校正和高斯滤波平滑的预处理；随后选取baseline+msc进行线性基线校正和多元散射校正的预处理；接着在unscrambler9.7软件的回归分析中选择pls1方法进行建模，随后点击选择全交叉验证方法，则可以出现不同预处理后预测模型的参数值。通过以上处理得到预测模型的参数值如表3所示。

表3用不同预处理的中红外光谱模型的结果

（6）、预测模型的评价

经不同预处理后的预测模型参数的结果（参见表（3））所示，其中校正决定系数rc²、预测决定系数rp²、校正均方根误差rmsec和预测均方根误差rmsep是判断模型准确性的主要指标，决定系数r²是反映模型拟合优度的重要统计量,均方根误差rmse是用来衡量观测值和真实值之间的偏差。当r²越接近1，rmse越小时，模型的预测效果越好。

从校正集中的相关系数可以看出，四种处理都具有较好的线性相关关系，baseline处理的校正决定系数（rc²）略高于baseline+gfs和baseline+msc处理，但都高于未处理的校正决定系数（rc²）。误差方面，四种预处理校正均方根误差rmsec的数值表现为baseline处理小于baseline+gfs处理小于baseline+msc处理小于未处理，可见baseline预处理的误差值较其它更小。

内部交叉验证中四种处理的相关系数（r）和预测决定系数（rp²）与校正集相比都有所降低，但是整体趋势不变，仍然是baseline处理大于baseline+gfs处理大于baseline+msc处理大于未处理。而预测均方根误差（rmsep）和预测标准误（sep）的数值与校正集相比有所升高，但是整体趋势不变，仍然是baseline预处理的误差叫较其它预处理低。对所建模型的数据进行分析比较可知，baseline预处理与其它预处理相比，决定系数更高，误差更小，因此用baseline预处理建立的小麦籽粒抗性淀粉中红外光谱模型较其它预处理后建立的红外模型有着更高的精准度，此时baseline预处理的抗性淀粉中红外模型中校正集均方根误差（rmsec）和预测均方根误差（rmsep）(0.1685和0.2841)相对较小，校正集的决定系数（rc²）和内部交叉验证的决定系数（rp²）（0.9371和0.8282）更接近于1，表明用baseline预处理建立的小麦籽粒抗性淀粉含量红外模型的预测性能较好，该模型即为测定小麦籽粒抗性淀粉含量的预测模型。

（7）模型外部验证；

具体方法为在unscrambler9.7软件的任务栏中选择“predict”，在预测框中，样本集选择12份外部验证集材料，自变量选择光谱变量，因变量选择抗性淀粉化学值，模型选择baseline预测模型，点击“ok”,系统可自动预测出外部验证集材料的预测值，其中预测值大小如下表（4）所示。另外将12份外部验证集材料的预测值和化学值对应输入到excel中，进行线性回归分析，来进一步验证预测模型的准确性，回归分析结果如说明书附图1所示。

表（4）最佳预处理和没有预处理情况下的预测结果

表4和图1是经过baseline预处理的预测模型的外部检验结果，结果显示，经过baseline预处理的预测模型对12份外部验证集材料的抗性淀粉含量预测值的绝对误差平均值为0.153，偏差平均值为0.233，预测值和化学值的决定系数r²为0.9266，说明了经过最佳baseline预处理的中红外预测模型在精确度和准确度方面都较好。由此可知，使用中红外光谱技术建立的含量预测模型可用于实际应用中，即用于小麦籽粒抗性淀粉含量的预测。

为了验证本发明的准确性，本发明做了如下试验：

试验材料：经过50gy的li离子辐射、在田间种植的m3代经过性状考察筛选出的1010份yuw-1-207小麦突变体材料籽粒和30份没有经过离子辐射处理的yuw-1-207小麦对照材料籽粒。yuw-1-207为长江大学与荆州农科院选育的高世代小麦材料。

试验步骤：

1）、将收获的1010份yuw-1-207突变体材料籽粒和30份yuw-1-207对照材料籽粒每份分配约8g左右，除杂干净后，用配有0.8毫米筛板的旋风粉碎机把小麦籽粒打磨成细粉，随后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时后，取出自然冷却后封口备用；

2）、用美国赛默飞世尔科技公司（thermofisherscientific）生产的nicoletis5傅里叶红外光谱仪进行光谱测定，用omnic8.2智能软件记录这1010份yuw-1-207小麦突变体材料和15份yuw-1-207小麦对照材料的光谱数据；其流程为：首先按照光学台、打印机和电脑的顺序打开仪器，等待3分钟左右光学台稳定后即打开omnic测定软件，仪器将自动检测到所放入的id7atr附件，检查光学台状态指示器正常的情况下，进行参数设定，即光谱采集范围4000-525cm^-1,分辨率为4cm^-1,扫描次数为16次，先进行背景的采集，用设备自带的小勺取约0.01g的小麦面粉放入到检测口，顺时针旋转探头，直到听见一声响声，然后omnic8.2软件中就可以记录自动扣除大气背景的材料光谱数据，每个材料测定后用无水乙醇擦拭探头和检测窗口，自然晾干后进行下一个材料光谱的采集。如此可得到这1010份yuw-1-207小麦突变体材料和15份yuw-1-207小麦对照材料的光谱数据。

3）、将1010份yuw-1-207小麦突变体和15份yuw-1-207对照材料的光谱数据导入到unscrambler9.7中，在软件的样本编辑中，将以上建立预测模型所用的51份校正集材料数据（其包含化学值数据和光谱数据）设定为校正集数据；将1010份yuw-1-207小麦突变体材料的光谱数据设定为验证集1；将15份yuw-1-207小麦对照材料的光谱数据设定为验证集2，再将自变量编辑为光谱变量和将因变量编辑为化学值变量；随后选取baseline预处理方式将51份校正集材料进行预处理，接着在任务栏中选取偏最小二乘法pls1法进行建模，在pls1回归分析中选择51份校正集材料作为样本集，光谱变量为自变量，抗性淀粉化学值为因变量，为了保证模型的稳健性，点击选择全交叉验证方法，点击“ok”，则完成了最佳预测模型的建立，并进行保存；接着在任务栏中选择“predict”，在预测框中，样本集选择只有光谱数据的1010份验证集1，自变量选择光谱变量，模型选择保存的baseline预测模型，点击“ok”,系统可自动预测1010份待检测yuw-1-207小麦突变体材料的抗性淀粉含量值；接着预测15份yuw-1-207对照材料的抗性淀粉含量，同样在任务栏中选择“predict”，在预测框中，样本集选择只有光谱数据的15份验证集2，自变量选择光谱变量，模型选择保存的baseline预测模型，点击“ok”,系统可自动预测15份待检测yuw-1-207小麦对照材料的抗性淀粉含量值。

4）、选取剩下的15份yuw-1-207对照材料,使用抗性淀粉试剂盒，根据aoac法2002.02抗性淀粉测定原理对这15份yuw-1-207对照材料的的抗性淀粉含量进行测定。

5）、挑选预测出的疑似高抗性淀粉yuw-1-207突变体，使用抗性淀粉试剂盒，根据aoac法2002.02抗性淀粉测定原理进行抗性淀粉含量的测定。

试验结果：

用baseline预处理的预测模型所预测的1010份yuw-1-207小麦突变体籽粒的抗性淀粉含量如说明书附图2所示。

从图2中可以得出其抗性淀粉含量预测值有963份分布在0.3%-1.0%之间，占总突变体的95.3%。抗性淀粉含量预测值在0.1%-0.3%之间有14份，1.0%-1.8%之间有31份，预测值在2.2%-2.4%之间有2份。

而用baseline预处理的预测模型对15份yuw-1-207小麦对照材料的抗性淀粉含量进行预测，15份小麦对照材料的预测值分别为：0.312%、0.665%、0.607%、0.683%、0.414%、0.435%、0.836%、0.695%、0.646%、0.573%、0.646%、0.683%、0.48%、0.782%、0.949%，这些yuw-1-207对照材料的抗性淀粉含量预测值范围为0.627%±0.17。方差分析表明，籽粒抗性淀粉预测含量在0.3%-1.0%之间的突变体，与yuw-1-207对照材料抗性淀粉的预测值相比没有明显变化；籽粒抗性淀粉预测含量在0.1%-0.2%之间有4个疑似为低抗性淀粉突变体；籽粒抗性淀粉预测含量在1.7%-2.4%之间有7个疑似为高抗性淀粉突变体。

用上述使用的化学法对15份yuw-1-207对照材料抗性淀粉含量进行测定，测定的15份yuw-1-207对照材料抗性淀粉含量分别为：0.615%、0.623%、0.592%、0.569%、0.607%、0.561%、0.554%、0.607%、0.635%、0.629%、0.640%、0.621%、0.597%、0.618%、0.507%，平均含量为0.598%，可以看出小麦对照材料的抗性淀粉含量范围在0.598%±0.04，用化学法测得的这15份抗性淀粉含量化学值与以上15份对照材料的抗性淀粉含量预测值进行turkey法多重比较，得出p值为0.5205，则可说明突变体对照材料中抗性淀粉含量预测值与用化学法测得的抗性淀粉含量实际值相比没有明显变化。

最后将以上预测值范围在2.2%-2.4%之间的2个疑似高抗性淀粉突变体进行化学值的测定，测定结果如表5所示，

表5

更进一步说明了模型应用的合理性及中红外模型预测的可行性。从表5中可以明确得出方差分析结果表明两个疑似高抗性淀粉突变体的预测值和化学值之间没有显著差异；由此进一步验证了红外模型预测的准确性。

该小麦籽粒抗性淀粉含量的快速测定方法，通过建立有关小麦籽粒抗性淀粉含量的中红外光谱模型，从而达到了快速测定小麦籽粒抗性淀粉含量的目的，其与化学测定法相比，更加快速、高效环保，满足了人们使用的需要。